مدل‌های یادگیری روان‌شناختی و هوش مصنوعی

به لطف مدل‌های یادگیری روان‌شناختی و ترکیب آن‌ها با انواع خاصی از هوش مصنوعی، ممکن است هوش مصنوعی‌ای به اندازه هوش انسان‌ها به واقعیت بپیوندد. این نتیجه‌گیری رابرت یوهانسون است که در پایان‌نامه خود از دانشگاه لینک‌پینگ، مفهوم «روان‌شناسی ماشین» را توسعه داده و توضیح داده است که چگونه می‌تواند به پیشرفت هوش مصنوعی کمک کند.

چالش‌های هوش عمومی مصنوعی

هوش عمومی مصنوعی (AGI) از دهه 1950 به عنوان آرزوی بزرگ تحقیقات هوش مصنوعی شناخته می‌شود. تا کنون، بشریت نتوانسته هوش مصنوعی‌ای ایجاد کند که وظایف ذهنی را به همان شیوه‌ای که انسان‌ها انجام می‌دهند، حل کند. اما برخی از دانشمندان معتقدند که این ممکن است در پنج سال آینده اتفاق بیفتد. یکی از آن‌ها رابرت یوهانسون است که به تازگی پایان‌نامه دکتری خود در رشته علوم کامپیوتر را در دانشگاه لینک‌پینگ دفاع کرده است.

اما برخلاف سناریوهای تیره و تار آینده که اغلب در فرهنگ عامه درباره AGI مطرح می‌شود، او معتقد است این فناوری می‌تواند به نفع بشریت باشد. او می‌گوید: «بله، من به این موضوع اطمینان دارم! این فناوری همه چیز را تغییر می‌دهد و تنها ادامه‌ای بر هوش مصنوعی معمولی نیست — بلکه چیزی کاملاً متفاوت است. من فکر می‌کنم AGI تأثیر گسترده‌ای بر جامعه خواهد داشت به شیوه‌ای کاملاً متفاوت از هوش مصنوعی امروز. شما می‌توانید نوع جدیدی از عامل‌ها، مانند محققان یا روان‌شناسان مجازی ایجاد کنید — اما همچنین خیلی بیشتر از این‌ها.»

رابرت یوهانسون، دانشمند جوان، در حال ارائه پایان‌نامه خود در مورد مدل‌های یادگیری روان‌شناختی در یک محیط آکادمیک با تکنولوژی پیشرفته است.
رابرت یوهانسون در حال معرفی دیدگاه‌های نوین خود در رشته هوش مصنوعی و روانشناسی است.

چالش‌ها و فرصت‌ها

در عین حال، او چالش‌هایی را در توسعه فناوری در دنیای آشفته کنونی می‌بیند. AGI می‌تواند برای اهداف مختلفی مورد استفاده قرار گیرد، به عنوان مثال، برای ایجاد تفرقه در جامعه. او می‌گوید: «این فناوری‌ای است که واقعاً باید با احتیاط با آن برخورد کنیم. از سوی دیگر، من همچنین فکر می‌کنم که هوش عمومی مصنوعی می‌تواند به مقابله با چندین روند مخرب در جامعه کمک کند. ممکن است به ما انسان‌ها کمک کند تا به موجوداتی مهربان‌تر تبدیل شویم. من آماده‌ام که AGI بتواند به ما در توسعه به این سمت نیز کمک کند.»

📢 اگر عاشق علم هستید و نمی‌خواهید هیچ مقاله‌ای را از دست بدهید…

به کانال تلگرام ما بپیوندید! تمامی مقالات جدید روزانه در آنجا منتشر می‌شوند.

📲 عضویت در کانال تلگرام
پاپ‌آپ اطلاعیه با اسکرول

چالش‌های توسعه AGI

اما توسعه هوش مصنوعی‌ای در سطح انسان، چالشی عظیم است. محققان مختلف سعی می‌کنند به این مسئله از زوایای مختلف نزدیک شوند. برخی معتقدند که مدل‌های زبانی بزرگ مانند ChatGPT راه‌حل مناسبی هستند، در حالی که دیگران پیشنهاد می‌کنند که باید مغز را شبیه‌سازی کرد. مسیری که رابرت یوهانسون انتخاب کرده است، می‌تواند «مبتنی بر اصول» نامیده شود.

رویکردی نوین در روانشناسی ماشین

این بدان معناست که او تلاش کرده است تا اصول مهم یادگیری روانشناختی را شناسایی کند که می‌تواند شرح‌دهنده هوش باشد و سپس آن‌ها را در یک کامپیوتر پیاده‌سازی کند. او علاوه بر تحصیلات دکتری خود در دانشگاه لیو، به عنوان معلم و محقق در روانشناسی بالینی در دانشگاه استکهلم فعالیت می‌کند و همچنین استاد همکار این دانشگاه است. این پیشینه را در پایان‌نامه خود با عنوان “مطالعات تجربی در روانشناسی ماشین” به کار گرفته است.

تصویری انتزاعی از هوش عمومی مصنوعی (AGI) با مغز الکتریکی و مدارهای نورانی به همراه نمادهایی از احساسات و جامعه انسانی.
ترکیب تکنولوژی و روانشناسی در قلب توسعه هوش عمومی مصنوعی (AGI).

رابرت یوهانسون می‌گوید: “من از اصول روانشناسی یادگیری مدرن برای نزدیک شدن به مسأله یادگیری، تفکر و هوش استفاده کرده‌ام. سپس از یک فرم خاص از هوش مصنوعی تطبیقی استفاده کردم که یک سیستم منطقی است و سعی دارم اصول روانشناسی یادگیری را در آن پیاده‌سازی کنم.” او اکنون در حال دریافت دکتری دوم خود است.

سیستم استدلال غیرعکسی

این سیستم منطقی به نام “سیستم استدلال غیرعکسی” یا NARS شناخته می‌شود و به گونه‌ای طراحی شده است که بدون داده‌های کامل، با قدرت محاسباتی محدود و در زمان واقعی عمل کند. این سیستم انعطاف‌پذیری را فراهم می‌کند که برای مواجهه با مشکلاتی که ممکن است در دنیای واقعی پیش بیاید، بسیار مهم است.

ترکیب NARS و اصول روانشناسی یادگیری یک رویکرد بین‌رشته‌ای را تشکیل می‌دهد که رابرت یوهانسون آن را “روانشناسی ماشین” می‌نامد. این مفهوم اولین بار به کار برده شده است، اما اکنون بازیگران دیگری نیز شروع به استفاده از آن کرده‌اند، از جمله گوگل دیپ‌مایند.

گروهی از محققان متنوع در حال همکاری در یک آزمایشگاه پیشرفته، با نگاه به داده‌ها و بحث در مورد یافته‌های خود می‌باشند.
محققان با هم همکاری می‌کنند تا ایده‌های خلاقانه برای تحقق AGI را پردازش کنند.

یادگیری از تجربیات

ایده این است که هوش مصنوعی باید از تجربیات مختلف در طول عمر خود یاد بگیرد و سپس آنچه را که آموخته است در موقعیت‌های مختلف به کار گیرد، درست همان‌طور که انسان‌ها از سن ۱۸ ماهگی شروع به انجام این کار می‌کنند – چیزی که هیچ حیوان دیگری قادر به انجام آن نیست.

رابرت یوهانسون می‌گوید: “اگر بتوانید این را در یک کامپیوتر پیاده‌سازی کنید، در واقع معمای هوش مصنوعی در سطح انسانی را حل کرده‌اید. و من فکر می‌کنم روانشناسی می‌تواند علمی حیاتی برای AGI باشد.” اینکه آیا بشریت در پنج سال آینده موفق به ایجاد همتای هوشمند خود خواهد شد، هنوز مشخص نیست. اما به گفته رابرت یوهانسون، جنبه‌های زیادی وجود دارد که باید قبل از آن در نظر گرفته شوند.

او ادامه می‌دهد: “ما در جامعه‌ای با قوانین، قواعد و اصول اخلاقی زندگی می‌کنیم. لازم است که درباره حقوق و وظایف چنین موجوداتی موضع‌گیری کنیم. شاید AGI فقط یک برنامه باشد که در مرورگر خود اجرا می‌کنید، اما من فکر می‌کنم اگر دارای آگاهی باشد، هنوز هم نوعی زندگی است.”

مقاله های شبیه به این مقاله

بیشتر بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *